Python + ChatGPT API开发案例演示

ChatGPT-3是一个人工智能聊天机器人，它用的是OpenAI的GPT-3.5-turbo模型来实现自然语言处理（NLP）和语言生成任务哦。新版的GPT-3.5-turbo模型是在GPT-3模型的基础上升级改进的，精度和表现力更高，能自动识别文本的语义和上下文，生成更准确更自然的回复呢。

OpenAI团队发布了最新的智能聊天机器人ChatGPT API和语音转文Whisper API。ChatGPT API为开发者提供了方便易用的方式，让他们轻松驾驭这个强大的NLP模型。最新发布的ChatGPT API使用的是gpt-3.5-turbo模型家族，也就是ChatGPT产品中使用的同一模型哦。

ChatGPT API

这次ChatGPT官方更新了gpt-3.5-turbo模型，接口上会有一些调整，提供了更多的API参数和选项，让开发者可以根据自己的需求定制和优化API性能。

如果使用新模型的话，价格是每1000个tokens $0.002，比当前的GPT-3.5模型便宜了10倍呢。它具有高可用性和可扩展性，还可以应对高流量应用场景。官方测试工程师从text-davinci-003迁移到gpt-3.5-turbo，只需要做一些调整就能完成开发，还提供了非常友好的开发文档和示例代码，帮助开发者快速上手。

用法

如果只是想快速验证 ChatGPT API是否可用，那我们可以尝试使用curl发送请求。

curl https://api.openai.com/v1/chat/completions

   -H "Authorization: Bearer $OPENAI_API_KEY"

   -H "Content-Type: application/json"

   -d'{

   "model": "gpt-3.5-turbo",

   "messages": [{"role": "user", "content": "OpenAI 的使命是什么？"}]

}'

如果需要深入ChatGPT API的开发，小编将向你展示如何使用Python + ChatGPT API快速构建基于ChatGPT的用法。

这是基本用法的代码示例：

# 注意检查你的OpenAI版本必须是v0.27.0或以上

import openai

# 首先，您需要设置您的 API 密钥

openai.api_key = "你的API key"

# 然后，您可以调用“gpt-3.5-turbo”模型

model_engine = "gpt-3.5-turbo"

# 设置你的输入文本

input_text = "问题XXXXXXXXX"

# 发送API请求并得到响应，注意接口和参数相比旧款有变化

response = openai.ChatCompletion.create(

   model=model_engine,

   messages=[{"role": "user", "content": input_text }]

)

#response 将得到一个结构如下的 json 消息

# {

#  'id': 'chatcmpl-6p9XYPYSTTRi0xEviKjjilqrWU2Ve',

#  'object': 'chat.completion',

#  'created': 1677649420,

#  'model': 'gpt-3.5-turbo',

#  'usage': {'prompt_tokens': 56, 'completion_tokens': 31, 'total_tokens': 87},

#  'choices': [

#    {

#     'message': {

#       'role': 'assistant',

#       'content': '问题XXXXXXXXX'},

#     'finish_reason': 'stop',

#     'index': 0

#    }

#   ]

# }

# 解析响应并输出结果

output_text = response['choices'][0]['message']['content']

print("ChatGPT API reply:", output_text)

在上面的代码中，我们首先设置我们的 API 密钥，然后指定要使用的 GPT-3.5-turbo 模型，设置输入文本并发送 API 请求，最后解析响应并输出 ChatGPT 回复。 有一些注意事项

新接口：原来使用text-davinci-002模型，我们使用openai.Completion.create接口，现在新的gpt-3.5-turbo应该使用openai.ChatCompletion.create接口。

新增参数：第一个参数设置model模型名称，第二个参数为会话列表

为什么要提供对话列表？ 因为API调用是单接口请求，不会自动记录之前的聊天信息，没有上下文。 为了让 ChatGPT 在一次请求中了解你的上下文，你需要提供这样一个完整的对话列表，比如这个对话

import openai

openai.ChatCompletion.create(

   model="gpt-3.5-turbo",

   messages=[

     {"role": "system", "content": "你是个好帮手吗？"},

          {"role": "user", "content": "谁赢得了 2020 年的世界大赛冠军？"},

          {"role": "assistant", "content": "洛杉矶道奇队赢得了 2020 年世界大赛冠军。"},

          {"role": "user", "content": "在哪里播放？"}

     ]

)

每个对话消息都需要提供角色和内容。 共有三种角色：系统、用户或助手。

system：系统消息相当于管理员，可以设置助手的行为和特征。 在上面的示例中： 你是个好帮手吗？。

user: 用户消息就是我们自己，可以由用户来询问，也可以直接让开发者提前搭建一些提示。 一些参考 ChatGPT 提示

assistant：助手消息是之前ChatGPT API提供的回复，存放在这里。 你也可以修改这个回复或者自己编一段对话，让整个对话更流畅。

如果您不需要对话框，只需提供一条用户消息，如之前的 Python 代码所示。

语音转文本 API

OpenAI 还发布了支持语音转文本的 Whisper API。 它提供了一个large-v2模型，易于使用，价格为0.006美元/分钟，可以按需访问，高度优化的服务堆栈可以确保更快的性能。

Whisper API 可通过转录（以源语言转录）或翻译（转录成英语）端点使用，并接受多种格式（m4a、mp3、mp4、mpeg、mpga、wav、webm）：

一个简单的示例

curl https://api.openai.com/v1/audio/transcriptions \

   -H "Authorization: Bearer $OPENAI_API_KEY" \

   -H "Content-Type: multipart/form-data" \

   -F model="whisper-1" \

   -F file="@/path/to/file/openai.mp3"

Interface response format //接口响应格式

{

   "text": "想象一下你曾经有过的最疯狂的想法……"

}

Use in Python

import openai

file = open("/path/to/file/openai.mp3", "rb")

transcription = openai.Audio.transcribe("whisper-1", f)

print(transcription)

以上只是一个简单的例子，展示了如何使用 Python 通过 ChatGPT API 发送请求，您可以根据需要使用 ChatGPT API 来完成更复杂的任务。

壹涵网络我们是一家专注于网站建设、企业营销、网站关键词排名、AI内容生成、新媒体营销和短视频营销等业务的公司。我们拥有一支优秀的团队，专门致力于为客户提供优质的服务。

我们致力于为客户提供一站式的互联网营销服务，帮助客户在激烈的市场竞争中获得更大的优势和发展机会！